秦福星 呂飛 童大鵬

（海軍蚌埠士官學(xué)校機(jī)電系 安徽蚌埠 233012）

1 引言

徑向基（RBF）網(wǎng)絡(luò)是以函數(shù)逼近理論為基礎(chǔ)構(gòu)造的一類前向網(wǎng)絡(luò)。徑向基函數(shù)網(wǎng)絡(luò)是一個(gè)只有兩層的網(wǎng)絡(luò)。在中間層，它以對(duì)局部響應(yīng)的徑向基函數(shù)代替?zhèn)鹘y(tǒng)的全局響應(yīng)的激發(fā)函數(shù)。由于局部響應(yīng)的特性，它對(duì)函數(shù)的逼近是最優(yōu)的，而且訓(xùn)練過(guò)程很短。由于它具有簡(jiǎn)單的結(jié)構(gòu)、快速的訓(xùn)練過(guò)程及與初始權(quán)值無(wú)關(guān)的優(yōu)良特性，在多維曲面擬合和大型設(shè)備故障診斷等領(lǐng)域有著較多的應(yīng)用。

2 RBF在發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用

2.1 特征參數(shù)的選擇

發(fā)動(dòng)機(jī)故障的發(fā)生通常呈現(xiàn)出頻譜分布的特點(diǎn)，由此，考慮將頻率范圍進(jìn)行劃分，將故障頻率劃分為低于1倍頻部分（0.01-0.4f, 0.41-0.5f,0.51-0.99f）和1倍頻、2倍頻、3-5倍頻等。通常，低于1倍頻的頻率部分主要反映齒輪、轉(zhuǎn)子特性，如轉(zhuǎn)子彎曲、齒輪故障、油膜渦動(dòng)等；1倍頻頻率部分反映轉(zhuǎn)子不平衡狀態(tài)；2倍頻頻率部分對(duì)轉(zhuǎn)子不對(duì)中狀態(tài)等情況比較敏感；3-5倍頻頻率部分能反映出軸松動(dòng)等情況。將上述6個(gè)頻段上的譜峰能量進(jìn)行歸一化處理，將處理后的矢量值作為特征參數(shù)來(lái)建立故障樣本數(shù)據(jù)，如表1(f為工頻)所示。同時(shí)，根據(jù)現(xiàn)場(chǎng)試驗(yàn)和對(duì)歷史數(shù)據(jù)的分析，可以采集到該型發(fā)動(dòng)機(jī)發(fā)生故障時(shí)的振動(dòng)信號(hào)，并將其6個(gè)頻段上的不同頻率的譜峰能量值歸一化處理，得到表3故障樣本數(shù)據(jù)。

應(yīng)用上述診斷系統(tǒng)，對(duì)某型發(fā)動(dòng)機(jī)中常出現(xiàn)的6種故障進(jìn)行了診斷，利用6個(gè)頻段上的歸一化幅值作為特征參數(shù)，如表1所示。

2.2 故障模式的描述

利用0、1格式描述這6種故障模式，如表2所示。

2.3 網(wǎng)絡(luò)的建立與訓(xùn)練

利用這些故障樣本數(shù)據(jù)作為訓(xùn)練樣本，創(chuàng)建一個(gè)診斷用RBF神經(jīng)網(wǎng)絡(luò)。

首先檢驗(yàn)網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)的分類情況：

RBF神經(jīng)網(wǎng)絡(luò)輸出結(jié)果與故障模式對(duì)應(yīng)描述是一致的，表明網(wǎng)絡(luò)可以成功將故障模式分成6類。

用表3中采集到的故障數(shù)據(jù)，檢驗(yàn)網(wǎng)絡(luò)的性能，程序代碼為：

表1 故障樣本數(shù)據(jù)

表2 故障模式分類

由此可見(jiàn)，網(wǎng)絡(luò)用于故障診斷是正確的。

3 結(jié)論

基于 RBF的故障診斷方法可以最大限度的利用故障先驗(yàn)知識(shí)，在Bayes最小風(fēng)險(xiǎn)準(zhǔn)則下進(jìn)行單故障的診斷，網(wǎng)絡(luò)訓(xùn)練速度快，有較高的診斷準(zhǔn)確率。

表3 測(cè)試樣本數(shù)據(jù)

[1] 張鈴，張抜.人工神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用[M].浙江：浙江科學(xué)技術(shù)出版社，1997.

[2] neural network toolbox. mathworks，2007.

[3] 李學(xué)橋.神經(jīng)網(wǎng)絡(luò)工程應(yīng)用[M].重慶：重慶大學(xué)出版社，1997.

[4] 葛哲學(xué)，孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn)[M].北京：電子工業(yè)出版社, 2008.

[5] 莫?jiǎng)|，徐章遂，米東.RBF神經(jīng)網(wǎng)絡(luò)診在船用低速柴油機(jī)故障診斷中的應(yīng)用研究[J].華北工學(xué)院測(cè)試技術(shù)學(xué)報(bào)，2001, (1).

[6] 張定會(huì)，邵惠鵬.基于神經(jīng)網(wǎng)絡(luò)的故障診斷推理方法[J].上海交通大學(xué)學(xué)報(bào), 1999, (8).

[7] Salama A E，Starzyk J A，Bandler J W.A unified decomposition approach for fault location in large analognetworks[J]. Intelligent Systems and Signal.Proce- ssing. 1984, 31.